2장. 제품 기능
Red Hat OpenShift AI는 데이터 과학자 및 IT 운영 관리자를 위한 여러 기능을 제공합니다.
2.1. 데이터 과학자의 기능 링크 복사링크가 클립보드에 복사되었습니다!
링크 복사링크가 클립보드에 복사되었습니다!
- 컨테이너
- sendpyterLab과 같은 툴은 데이터 과학자가 자신의 시스템에서 모델을 개발할 수 있는 직관적인 방법을 제공하고 있지만, 항상 협업 및 공유 작업과 관련된 복잡성이 존재합니다. 또한 강력한 GPU와 같은 특수 하드웨어를 사용하는 것은 직접 구매하고 유지해야 할 때 매우 비용이 많이 듭니다. OpenShift AI에 포함된 NMStatepyter 환경을 사용하면 필요한 모든 곳에서 개발 환경을 구축할 수 있습니다. 모든 워크로드는 컨테이너로 실행되므로 팀 구성원과 이미지를 공유하거나 사용할 수 있는 기본 컨테이너 목록에 간단하게 이미지를 추가할 수 있습니다. 따라서 랩탑에서 지원할 수 있는 내용에 더 이상 제한되지 않으므로 GPU 및 대용량 메모리에 훨씬 더 액세스할 수 있습니다.
- 타사 머신러닝 툴과의 통합
- 우리는 모두 선호하는 도구 또는 서비스가 서로 잘 작동하지 않는 상황에 직면해 있습니다. OpenShift AI는 유연성을 염두에 두고 설계되었습니다. OpenShift AI에서 다양한 오픈 소스 및 타사 툴을 사용할 수 있습니다. 이러한 툴은 데이터 엔지니어링 및 기능 추출부터 모델 배포 및 관리에 이르기까지 완전한 머신 러닝 라이프사이클을 지원합니다.
- Git을 사용한 노트북 공동 작업
- sendpyter의 Git 인터페이스를 사용하여 다른 사용자와 공동으로 작업하고 코드 변경 사항을 잘 추적할 수 있습니다.
- 안전하게 빌드된 노트북 이미지
- 모델 개발에 필요한 툴 및 라이브러리를 사용하여 사전 구성된 기본 노트북 이미지 세트 중에서 선택합니다. 소프트웨어 스택, 특히 머신 러닝에 관련된 것은 복잡한 시스템인 경향이 있습니다. Python 에코시스템에 사용할 수 있는 많은 모듈과 라이브러리가 있으므로 사용할 라이브러리의 버전을 결정하는 것이 매우 어려울 수 있습니다. OpenShift AI에는 데이터 과학자 및 권장 사항 엔진의 인사이트를 통해 구축된 많은 패키지 노트북 이미지가 포함되어 있습니다. 임의의 업스트림 리포지토리에서 검증되지 않은 이미지를 다운로드하지 않고 오른쪽에서 새 프로젝트를 빠르게 시작할 수 있습니다.
- 사용자 정의 워크벤치 이미지
- Red Hat 및 ISV(독립 소프트웨어 벤더)에서 제공하고 지원하는 워크벤치 이미지 외에도 프로젝트의 특정 요구 사항을 충족하는 사용자 정의 워크벤치 이미지를 구성할 수 있습니다.
- 데이터 과학 파이프라인
- 데이터 사이언스 파이프라인 2.0을 사용하는 OpenShift AI는 데이터 사이언스 워크로드를 효율적으로 실행할 수 있는 방법을 제공합니다. 데이터 사이언스 모델을 개발하고 배포할 수 있는 머신러닝 워크플로를 표준화하고 자동화할 수 있습니다.
- 모델 서비스
- 데이터 생성으로 숙련된 머신-러닝 모델을 배포하여 지능형 애플리케이션을 프로덕션 환경에서 제공할 수 있습니다. 모델을 배포하거나 제공하면 모델의 기능을 애플리케이션 테스트 또는 통합에 사용할 수 있는 서비스 엔드포인트로 사용할 수 있습니다. 이 서비스가 수행되는 방법에 대한 많은 제어 권한이 있습니다.
- 가속기를 사용하여 데이터 사이언스 모델 최적화
- 대규모 데이터 세트로 작업하는 경우 NVIDIA 그래픽 처리 장치(GPU) 또는 Intel Gaudi AI 액셀러레이터를 사용하여 OpenShift AI에서 데이터 사이언스 모델의 성능을 최적화할 수 있습니다. 액셀러레이터를 사용하면 작업을 확장하고 대기 시간을 줄이며 생산성을 높일 수 있습니다.